驾驶人应激训练仿真系统设计与实现

紧急状态下的驾驶人高度应激状态极易诱发交通事故,然而采用实车对驾驶人应激进行研究具有极高的危险性。训练型驾驶模拟器具有安全性和经济性的优点,能被用于驾驶人应激研究。构建了驾驶人应激训练仿真系统,并利用VC++和Open GL等技术实现了驾驶人应激训练视景系统。通过选择30名被试人员进行仿真实验,选取场景完成率和生理指标作为实验参数来验证系统有效性。结果显示所设计的仿真系统能有效地提高驾驶人应激反应能力,对驾驶人在紧急状态下紧急避险具有现实意义。     

听觉-言语认知负荷下工作记忆容量对跟车行驶影响

听觉-言语认知负荷作为一种典型的认知负荷,是驾驶人认知分心的主要来源,容易导致驾驶绩效下降,认知负荷对驾驶绩效的影响程度与个体工作记忆有关。为研究听觉-言语认知负荷下工作记忆容量对跟车驾驶绩效的影响,本文开展心理学与模拟驾驶实验。首先,设置不同听觉-言语认知负荷水平的n-back任务,构建车头时距变化和前车速度变化的跟车场景;其次,采集并预处理工作记忆容量、驾驶人操作行为与车辆运行状态数据,选择跟车速度差、绝对加速度、横向稳定性、制动反应时间及跟车间距作为分析指标,获得36名被试数据;最后,采用方差分析及事后比较,分析认知负荷和工作记忆容量在跟车时对驾驶绩效的影响,并探讨两种因素对驾驶绩效的交互和调节作用。研究表明：认知负荷增加导致驾驶人更大的加减速倾向,更长的制动反应时间;工作记忆容量较高的驾驶人具有更小的制动反应时间和更稳定的跟车间距,更频繁的方向修正和更好的车道保持水平;在工作记忆容量和制动反应时间中,听觉-言语认知负荷具有正向调节作用。本文可以为驾驶安全培训干预提供驾驶人认知特性方面的见解和理论参考。     

驾驶特性对驾驶人应激反应的影响研究

【目的】驾驶人在行驶中受交通应激事件的影响,为探索应激反应的程度展开研究。【方法】采用维也纳交通心理测试系统（VTS）甄选出高驾驶特性组（H组）和低驾驶特性组（L组）各21名被试进行试验,通过统计学方法分析不同驾驶特性群体的应激反应特征,并采用集对分析模型评价被试的应激反应优劣。【结果】研究结果表明：通过检测驾驶人的驾驶特性能力区分其应激反应能力可行,提高驾驶特性能够帮助驾驶人提高应激能力,情况越危急,提高的幅度越大。【结论】试验中,在所有应激距离下,H组的应激反应均优于L组,且应激距离的减少对L组的影响比H组大;在交通应激事件中为驾驶人提供1 s以上交通冲突时间是必要的。     

分心驾驶研究文献计量学分析

车辆自动化和信息娱乐系统的发展趋势使驾驶人分心成为日益突出的社会问题。为全面了解分心驾驶的研究进展，本文选取近 12 年关于分心驾驶的 2313 篇文章，利用文献计量工具VOSviewer和R-Bibliometrix系统梳理与分析分心驾驶的研究现状。首先，概述分心驾驶研究的总体情况，包括分心驾驶研究的国家分布、核心作者及核心期刊；其次，重点归纳分心驾驶领域的高影响力文献，并从“注意力机制”“分心驾驶风险与年轻驾驶人驾驶行为”“分心源”“分心驾驶检测”“自动驾驶下驾驶人的分心效应”这5个研究主题总结分心驾驶的研究热点；最后，构建分心驾驶的研究体系，并预测未来的发展趋势。研究认为：有必要加强研究分心的形成、消散和恢复机理；需扩展研究对象和场景，综合考虑车内和车外的分心源以及复合分心带来的风险；多源信息融合及考虑多类型分心可以进一步完善分心驾驶风险的研究；界定分心状态与等级划分，针对不同驾驶分心类型的识别应是未来分心驾驶检测研究的重点；自动驾驶场景下的分心行为及接管效能，以及混合交通流下的分心状态是值得关注的研究。基于机器视觉的分心检测和自动驾驶的接管效能将成为分心驾驶领域的研究前沿。     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

���е�·�����м�ʻ��Ӧ����Ӧ����ʱ�����Է���

针对城市道路环境中驾驶人的应激响应操作时间特性,基于虚拟现实技术搭建了测试平台,对28名驾驶人在不同应激场景下的应激操作时间进行了研究.不同应激场景下的数据分析结果表明,非熟练驾驶人的应激操作时间要小于熟练驾驶人,且时间值较为稳定.青年驾驶人的操作时间值最小,且数据最为稳定.此外,随着车速的上升,驾驶人操作时间呈现下降趋势,两者之间符合对数函数关系.以驾驶经验、驾驶人年龄和车速为自变量,采用对数函数的多元线性预测模型能够对驾驶人的应激操作时间进行准确预测,被试样本实测值落在预测区间的比例达到了98.37%.     

无信号交叉口横向冲突预警对驾驶行为的影响

针对智能网联汽车在无信号交叉口对横向冲突的避撞问题,本研究设计了横向冲突人机交互预警及横向冲突驾驶模拟试验场景,并分析不同类型预警对驾驶行为的影响规律。运用驾驶模拟器搭建城市道路无信号交叉口并设计横向冲突事件,选取30位驾驶人作为试验对象,应用眼动仪、驾驶模拟平台开展驾驶模拟试验;采集风险场景下驾驶人的眼动、操作行为与车辆运行数据;对比分析各组场景下驾驶人的注视时长和扫视频率及行车速度、制动时间和踩制动踏板速率等驾驶行为特性参数,分别运用方差分析和描述性统计方法分析了预警提示类型和提示时机两个方面对驾驶行为特性的影响。结果表明：网联警告型预警的警示效果优于常规提示型预警,但该类预警使驾驶人操作车辆时的减速度增大至-4 m/s²以上,导致行车舒适性降低;预警提示时机对驾驶行为的影响显著,且预警提示位置宜设置在距离交叉口50～90 m处。研究结果能够为交通安全设施开发者提供有效HMI预警设计建议,提高无信号交叉口通行安全性。     

基于模拟实验的驾驶人警觉影响因素研究

为测试驾驶人警觉影响因素,设计了基于驾驶模拟系统,以驾驶人为主体,以交通信号灯和风险信息数量分别为警觉影响因素的城市道路和高速公路为测试场景,以驾驶人在4种场景下面对风险情况时的制动反应时间和注视行为数据作为驾驶人警觉特性评价参数的仿真测试实验。分析驾驶人在不同场景因素下警觉水平的差异性。结果表明:所设计的仿真实验与测试结果良好,不同交通管控条件和不同风险信息量下,驾驶人警觉水平存在一定差异。研究结果可用于道路交通事故的原因分析。     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁，本文针对驾驶人不同分心类型的识别展开研究，设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验，利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分 心，采集并提取驾驶绩效、眼动及头动特征，采用序列后向选择算法进行特征优选，运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明，基于随机森林所构建模型在测试集上取 得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值，分类表现优于两种比较方法，说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以 及采用不同类型特征作为输入训练模型的分类结果发现，驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

车路协同场景下导航播报方式有效性评估

导航信息作为驾驶人进行决策的重要依据， 其播报方式差异性会对驾驶人的信息接受程度和理解程度产生不同的作用效果， 因此， 有必要研究不同播报方式对驾驶行为的影响表现。 针对高速公路大流量路段车路协同场景下， 不同导航播报方式对驾驶行为的有效性评估， 缺乏量化依据的问题， 文章基于驾驶模拟器， 搭建了 4 类车路协同典型场景， 并选取 38 名驾驶人进行驾驶模拟实验， 获取驾驶行为数据并采用灰色近优综合评价法， 从驾驶效率和安全 2 个层面选取 4 个指标， 评估了近距离、 远距离两种播报时机和哔声、 语音两种播报形式 4 种组合方案的有效性。 研究结果表明， 高速公路大流量路段车路协同场景下驾驶人偏向远距离语音播报。     

手机打车软件操作驾驶分心检测模型研究

为探寻操作手机打车软件时的驾驶分心识别方法,本文开展模拟驾驶实验,采集了驾驶员在不同驾驶状态下的驾驶行为参数,通过对参数的统计分析,确立分心检测参数集。采用支持向量机分类算法理论构建基于驾驶绩效的分心检测模型,并利用实验数据验证模型的有效性。结果表明:该模型对驾驶员视觉分心驾驶行为检测率最高,正常驾驶行为次之,对认知分心驾驶行为的检测能力最弱,模型的平均检测正确率为86.67%,检测效果较好,可用于驾驶分心检测。     

人机共驾智能汽车的控制权切换与安全性综述

根据智能汽车技术发展特点和趋势提出了人机共驾的概念; 从切换的发起者、强制性与计划性三方面论述了人机共驾智能汽车控制权切换的分类方法, 分析了广义和狭义2种分类的特点和应用范围; 从驾驶人的认知、驾驶负荷、反应力等方面剖析了人机共驾中人因的特性及其对控制权切换安全性的影响, 总结了控制权切换的试验研究方法和人机交互形式, 指出了控制权切换安全性研究存在的问题和未来发展方向。分析结果表明: 人机共驾智能汽车的应用范围是L2~L3级自动驾驶, 特点是人与系统彼此协同完成动态的驾驶任务; 由系统主动发起、驾驶人被动接管的控制权切换情形与安全性更被业内关注; 驾驶人能有效地对当前驾驶状态进行认知和评估, 进而接管车辆操作, 并最终规避风险, 是保证控制权切换安全性的关键; 人因是影响控制权安全平稳切换的重要因素, 主要表现为认知水平偏低, 切换前后驾驶负荷阶跃式突变, 次任务的影响机理不明确, 反应力随切换场景的不同而差异显著等; 该领域的主要研究还包括接管绩效的评价, 切换时机与人机交互方式的优化以及试验手段的提升等。      

风险驾驶模拟情境下驾驶人风险感知研究

分析风险驾驶情境中静态与动态结合过程的特征,给出风险驾驶情境风险度 (SRD)的定义.基于交通冲突分析技术及主观评价,提出风险驾驶SRD的量化评价方法.采用驾驶模拟实验研究,以六个典型的风险驾驶情境为研究对象,提取专家型被试的驾驶行为进行风险驾驶情境下的交通冲突分析,结合主观评价结果,得到驾驶人风险感知能力的识别基准.通过分析不同风险度情境下的驾驶行为差异,验证SRD 对驾驶行为的影响.本文的实验过程、方法及结论为我国驾驶人风险感知能力测试提供理论与实践参考.     

典型事故形态下驾驶人工作记忆与应激反应研究

为探究事故发生时的不同形态和工作记忆与驾驶人应激反应能力及视觉行为的关系,本文对31名驾驶人分别开展城市道路中侧面碰撞、追尾碰撞和刮撞行人这3种典型事故形态下的驾驶模拟器实验。根据摄像机和眼动仪的输出视频,采用动态聚类将驾驶人的注视区域划分成7类,同时,基于单因素方差分析,Mann-Whitney U检验和Kruskal-Wallis检验,分析事故形态的类型、不同工作记忆容量的人群避险时的应激反应能力和视觉行为的影响。结果表明：事故形态和驾驶人的应激反应能力显著相关,在前车紧急制动事件中驾驶人的反应时间最短,较侧面碰撞减少了25.46%;在面对危险时的反应时间受到驾驶人工作记忆容量的影响,即相比于低工作记忆容量,高工作记忆容量的驾驶人反应时间短;此外,注视总持续时间、平均扫视时间和瞳孔直径均与工作记忆容量相关。研究结果可为车辆安全针对性预警提供理论支持。     

高速公路作业区智能预警与驾驶行为关系研究

为探寻高速公路作业区智能预警与驾驶行为影响关系,通过构建警示标志、人机交互界面及智慧道钉群三种预警场景,同时将驾驶人对智能预警功能知晓与否作为研究自变量,采用驾驶模拟器对53位驾驶人进行试验,提取车辆行驶状态数据并利用方差分析及配对T检验方法分析驾驶行为差异性.结果表明,警告区不同预警方式对驾驶行为具有显著性影响;人机交互界面预警方式下最小速度位置有所前移;驾驶人在知晓与不知晓智慧道钉群功能前后驾驶行为差异较大,当知晓智慧道钉群功能后行车速度减小最大,初始换道位置也出现明显前移.     

抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故，本文基于双向长短时记忆网络 (BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验，采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据，通过方差分析研究分心任务对驾驶行为的影响。结果表明，分心驾驶人需要更长的制动反应时间，制动操作时间缩短，踩压制动踏板的力度下降，同时操纵方向盘的稳定性变差。然后，筛选有显著性影响的6个特征行为指标作为模型的输入，结果表明：BILSTM模型分心状态识别的精确率最高，达到92.6%，F1值为88.7%；准确率、精确率、召回率、F1、AUC和ROC曲 线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说 明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态，可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。     

汽车驾驶人驾驶经验对注视行为特性的影响

通过实车试验,分别在城市道路和公路上,利用EyeLinkⅡ眼动仪测试了20名驾驶人的眼动参数与注视行为特性。将被试驾驶人分为熟练驾驶人组和非熟练驾驶人组,通过将实际驾驶过程中的交通场景录像逐帧分解,并与驾驶人的眼动数据相结合来确定驾驶人的真实注视目标,对比了熟练与非熟练驾驶人的注视区域和注视目标特征,研究了2组驾驶人驾驶经验对驾驶人注视行为特性的影响,并分析了导致2组驾驶人注视行为差异的原因。研究结果表明：驾驶经验对驾驶人注视行为特性有显著影响;在城市道路上,熟练驾驶人对近处目标的注视频次比非熟练驾驶人高约18％,而对车内后视镜的注视频次约为非熟练驾驶人的4．7倍;在公路上,非熟练驾驶人对远距离区域的注视频次仅为熟练驾驶人的4l％,而对车内区域的注视频次则为熟练驾驶人的2．1倍;驾驶人对右区域的注视频次平均约为左区域的2．5倍,且熟练驾驶人对右区域关注更多,约为左区域的4倍,而非熟练驾驶人对右区域的注视频次约为左区域的1．5倍;非熟练驾驶人处理信息的策略和效率均比熟练驾驶人差。     

城市道路场景下驾驶注意力需求的影响因素研究

为探索城市道路场景下影响驾驶注意力需求的交通因素,搭建包含多种交通变量的城市道路交通场景,对30位被试进行驾驶模拟器视线遮挡实验。以视线遮挡概率表示驾驶注意力需求等级,采用逐步逻辑回归方法建立各交通变量对驾驶注意力需求等级模型,并分析其影响方式。结果显示,遮挡概率沿驾驶路线波动较大,不同交通变量对驾驶注意力的需求不同。十字路口、公交车站、路边停放车辆、跟车距离、会车距离和弯道曲率等对驾驶注意力需求影响显著。越接近十字路口遮挡概率越小,到达十字路口时几乎没有遮挡。说明被试会主动适应外界交通环境对注意力的需求,有选择的获取与驾驶有关的交通变量信息,并预测各个交通变量的发展趋势。研究结果有助于提高驾驶分心预警系统的环境敏感性。     

危险货物道路运输车辆驾驶人风险倾向性分类研究

为加强危险货物道路运输安全风险源头管控，本文充分挖掘轨迹大数据和动态监控数据等多源异构行车数据，研究危险货物道路运输车辆(危货车)驾驶人风险倾向性分类。基于广泛可用的GPS轨迹数据所蕴含的驾驶行为模式和运行环境特性，引入时变随机波动率的概念，提取5种速度波动性指标，构建表征驾驶风格的属性特征集，加之行为抑制控制力、认知抑制控制力和生理负荷特征，共同组建危货车驾驶人风险倾向属性指标体系；利用Critic赋权法计算各指标客观权重，并基于多准则妥协解排序算法(VIse Kriterijumski Optimizacioni Racun, VIKOR)对危货车驾驶人的属性进行评分；建立基于K-medoids聚类算法的危货车驾驶人风险倾向性分类模型。结果表明：运用分类模型，本文将危货车驾驶人分为4类。其中，驾驶风格激进加行为抑制控制力薄弱型驾驶人面对拥堵路段和恶劣天气时表现出更大的速度波动和更多的车辆控制报警；认知抑制控制力薄弱型驾驶人分心次数更多，愿意将更多的注意力分配给分心对象，且更频繁地在分心对象和前方路况间进行注意力转移；易疲劳型驾驶人表现出更多的疲劳报警和超时驾驶报警，驾驶人承受更大的...     

驾驶特性的识别评估及其在智能汽车上的应用综述

研究了驾驶特性的识别方法、驾驶人接管能力评估的进展、驾驶特性在智能汽车领域中的应用；将驾驶人状态监测划分为驾驶人疲劳监测、分心监测和不良驾驶行为监测，总结了驾驶人状态监测研究的目标、方法、精确度、判断标准以及优缺点；对比了驾驶人疲劳监测中不同检测信号之间的差异；评析了基于模糊识别和隐马尔可夫模型的驾驶人意图识别与预测方法；梳理了驾驶风格分类与辨识的主要步骤、典型辨识方法的特点；分析了驾驶人接管能力的影响因素与评判标准；阐述了驾驶特性用于开发用户接受度高和人机交互性能好的辅助驾驶系统的主要方式；概括了在人机共驾协同控制中考虑驾驶特性的途径。研究结果表明:基于多种传感器信号融合的驾驶人状态监测可有效避免基于单一传感器信号的弊端，提高了检测精度，减少了误警报；将传统预测模型与混合智能学习相融合的方法能够为驾驶意图在线识别与预测提供解决方案；应该重点研究复杂工况下的驾驶特性辨识；驾驶人接管能力的研究有待理论化和系统化；未来的发展趋势是开发基于驾驶特性的集成辅助驾驶技术、实现多种典型路况下驾驶人与辅助驾驶系统进行意图和控制策略的交互；将个性化驾驶人的驾驶特性融入共驾系数的设计中，从而提高人机共驾系统的个性化、智能化水平和环境适应性能。